基于无监督学习的施工区域分区方法、系统、终端及介质技术方案

本发明专利技术公开了一种基于无监督学习的施工区域分区方法、系统、终端及介质，其中方法包括：首先获取建筑物及施工区域的基础信息；再以不可分割构件为样点，对施工区域进行泰森多边形划分，将每一个泰森多边形作为一个细胞单元；然后对每个细胞单元进行赋值；最后将距离各施工机具对应的关键点位最近的样点作为核心点，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。本发明专利技术可以提高施工区域分区合理性，降低对人工的依赖。对人工的依赖。对人工的依赖。

【技术实现步骤摘要】
基于无监督学习的施工区域分区方法、系统、终端及介质


[0001]本专利技术涉及建筑工程施工领域，尤其涉及一种基于无监督学习的施工区域分区方法、系统、终端及介质。

技术介绍

[0002]无监督学习是一种不依靠或极少依靠人工类别标注的机器学习方案，它根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。
[0003]DBSCAN算法是比较有代表性的基于密度的无监督学习聚类算法，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。在该算法中，簇的核心是依靠样本密度确定，且簇的划分依靠密度可达方法，在实际划分中表现不佳。
[0004]在建筑施工中，由于建筑物占地面积大，而机械、人员数量少，需要将施工区域分割成多个区域形成流水施工作业。以往的施工区分方案以后浇带、膨胀加强带作为区域之间的隔断。当后浇带、膨胀加强带所分区域无法满足分区要求，可自行增加后浇带辅助分区划定。在以往的工程中，对于后浇带一般依靠劳动力、施工机械布置等条件，通过经验进行非定量划定，划分往往不甚合理。

技术实现思路

[0005]本专利技术提供了一种基于无监督学习的施工区域分区方法、系统、终端及介质，以解决现有的施工区域分区方法不合理的问题。
[0006]第一方面，提供了一种基于无监督学习的施工区域分区方法，包括：获取建筑物及施工区域的基础信息，提取不可分割构件的类型及位置、施工机具位置；以不可分割构件为样点，对施工区域进行泰森多边形划分，每一个泰森多边形均为一个细胞单元；对每个细胞单元进行赋值，包括该细胞单元的样点的位置、该细胞单元的面积，以及该细胞单元的样点与各施工机具对应的关键点位之间的距离修正值；将距离各施工机具对应的关键点位最近的样点作为核心点，初始化核心点列表，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。
[0007]进一步地，在以不可分割构件为样点，对施工区域进行泰森多边形划分的过程中，对于横截面为非点状结构的不可分割构件，首先求取其最小外接凸多边形，在进行泰森多边形划分时，取与其他样点距离最近的边或点为基准进行样点间距离计算。
[0008]进一步地，细胞单元的样点与施工机具对应的关键点位之间的距离修正值为：细胞单元的样点与施工机具对应的关键点位的之间的欧氏距离与修正系数的乘积，所述修正系数随施工机具辐射区域的增大而减小。
[0009]进一步地，所述基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区，具体包括：A：以核心点列表队首的核心点为圆心，将预设半径内的样点对应的细胞单元加入簇内；B：以簇内未被访问且距离核心点最近的样点为圆心，将预设半径内的样点对应的细胞单元进入簇内；C：重复步骤B，直至簇内所有细胞单元的面积之和达到预设的分区面积最小值时停止，此时簇内所有细胞单元构成一个分区；D：将不属于当前簇内且距离停止样点最近的一个细胞单元的样点作为核心点添加到核心点列表的队尾，同时删除当前核心点列表队首的核心点；E：重复步骤A~D，直至核心点列表为空，完成对施工区域的分区。
[0010]进一步地，还包括：当聚类过程中出现离群样点，则获取距离此离群样点最近的细胞单元和最近的关键点位；判断最近的细胞单元所在分区的核心点对应的关键点位与最近的关键点位是否相同；若相同，则将该离群样点对应的细胞单元划分到该最近的细胞单元所在分区；若不同，获取距离此离群样点最近的细胞单元所在分区和最近的关键点位所对应的分区，并分别计算此离群样点对应的细胞单元加入两个分区后的分区面积；若两个分区面积均超过或均不超过预设的分区面积最大值，则将该离群样点对应的细胞单元加入到面积更大的分区；若一个分区面积超过预设的分区面积最大值而另一个分区面积不超过预设的分区面积最大值，则将该离群样点对应的细胞单元加入不超过预设的分区面积最大值的分区。
[0011]进一步地，两个细胞单元的样点之间的距离L通过如下公式计算：其中，X、X
’
分别表示两个细胞单元的样点的横坐标，Y、Y
’
分别表示两个细胞单元的样点的纵坐标，CVn、CVn
’ꢀ
分别表示两个细胞单元的样点与第n个关键点位之间的距离修正值。
[0012]第二方面，提供了一种基于无监督学习的施工区域分区系统，包括：信息获取模块，用于获取建筑物及施工区域的基础信息，提取不可分割构件类型及位置、施工机具位置；泰森多边形划分模块，用于以不可分割构件为样点，对施工区域进行泰森多边形划分，每一个泰森多边形均为一个细胞单元；赋值模块，用于对每个细胞单元进行赋值，包括该细胞单元的样点的位置、该细胞单元的面积，以及该细胞单元的样点与各施工机具对应的关键点位之间的距离修正值；分区模块，用于将距离各施工机具对应的关键点位最近的样点作为核心点，初始化核心点列表，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。
[0013]进一步地，所述基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区，具体包括：A：以核心点列表队首的核心点为圆心，将预设半径内的样点对应的细胞单元加入簇内；B：以簇内未被访问且距离核心点最近的样点为圆心，将预设半径内的样点对应的细胞单元进入簇内；C：重复步骤B，直至簇内所有细胞单元的面积之和达到预设的分区面积最小值时停止，此时簇内所有细胞单元构成一个分区；D：将不属于当前簇内且距离停止样点最近的一个细胞单元的样点作为核心点添加到核心点列表的队尾，同时删除当前核心点列表队首的核心点；E：重复步骤A~D，直至核心点列表为空，完成对施工区域的分区。
[0014]第三方面，提供了一种电子终端，包括存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于无监督学习的施工区域分区方法的步骤。
[0015]第四方面，提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于无监督学习的施工区域分区方法的步骤。
[0016]本专利技术提出了一种基于无监督学习的施工区域分区方法、系统、终端及介质，首先获取建筑物及施工区域的基础信息；再以不可分割构件为样点，对施工区域进行泰森多边形划分，将每一个泰森多边形作为一个细胞单元；然后对每个细胞单元进行赋值；最后将距离各施工机具对应的关键点位最近的样点作为核心点，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。应用了无监督学习的优势，仅需要建筑物及施工区域的基础信息即可进行自主学习训练，极大的降低了对人工经验的依赖；通过改进DBSCAN算法，克服了传统算法中的诸多不便同时保留了密度可达这一核心特点，将DBSCAN算法成功应用于施工分区这一
，可以提高施工区域分区合理性。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无监督学习的施工区域分区方法，其特征在于，包括：获取建筑物及施工区域的基础信息，提取不可分割构件的类型及位置、施工机具位置；以不可分割构件为样点，对施工区域进行泰森多边形划分，每一个泰森多边形均为一个细胞单元；对每个细胞单元进行赋值，包括该细胞单元的样点的位置、该细胞单元的面积，以及该细胞单元的样点与各施工机具对应的关键点位之间的距离修正值；将距离各施工机具对应的关键点位最近的样点作为核心点，初始化核心点列表，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。2.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，在以不可分割构件为样点，对施工区域进行泰森多边形划分的过程中，对于横截面为非点状结构的不可分割构件，首先求取其最小外接凸多边形，在进行泰森多边形划分时，取与其他样点距离最近的边或点为基准进行样点间距离计算。3.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，细胞单元的样点与施工机具对应的关键点位之间的距离修正值为：细胞单元的样点与施工机具对应的关键点位的之间的欧氏距离与修正系数的乘积，所述修正系数随施工机具辐射区域的增大而减小。4.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，所述基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区，具体包括：A：以核心点列表队首的核心点为圆心，将预设半径内的样点对应的细胞单元加入簇内；B：以簇内未被访问且距离核心点最近的样点为圆心，将预设半径内的样点对应的细胞单元进入簇内；C：重复步骤B，直至簇内所有细胞单元的面积之和达到预设的分区面积最小值时停止，此时簇内所有细胞单元构成一个分区；D：将不属于当前簇内且距离停止样点最近的一个细胞单元的样点作为核心点添加到核心点列表的队尾，同时删除当前核心点列表队首的核心点；E：重复步骤A~D，直至核心点列表为空，完成对施工区域的分区。5.根据权利要求4所述的基于无监督学习的施工区域分区方法，其特征在于，还包括：当聚类过程中出现离群样点，则获取距离此离群样点最近的细胞单元和最近的关键点位；判断最近的细胞单元所在分区的核心点对应的关键点位与最近的关键点位是否相同；若相同，则将该离群样点对应的细胞单元划分到该最近的细胞单元所在分区；若不同，获取距离此离群样点最近的细胞单元所在分区和最近的关键点位所对应的分区，并分别计算此离群样点对应的细胞单元加入两个分区后的分区面积；若两个分区面积均超过或均不超过预设的分区面积最大值，则将该离群样点...

【专利技术属性】
技术研发人员：陈子奇，吴业秋，
申请(专利权)人：中建五局第三建设有限公司，
类型：发明
国别省市：